×
威廉·H·埃伯哈德。；伊娃·坎托尼；詹皮罗Marra；Radie，罗莎尔巴

位置、规模和形状广义加性模型的稳健拟合。 （英语） Zbl 1461.62008年

统计计算。 31，第1号，第11号论文，16页（2021年）.
摘要：位置、尺度和形状广义可加模型（GAMLSS）的估计和平滑参数选择的有效性依赖于似然函数的正确规范。众所周知，偏离这种假设会误导任何类似的基于类比的推断，并可能阻碍旨在确保非线性效应在一定程度上平滑的惩罚方案。我们提出了一种通用方法，通过限制具有低对数似然值的观测值的贡献来实现拟合GAMLSS的稳健性。平滑参数的稳健选择可以通过最小化稳健似然自然产生的信息标准或通过扩展的Fellner-Schall方法来实现。后者允许自动平滑参数选择，并且在具有多个平滑参数的应用中特别有利。我们还通过提出一种新的中位数降权比例准则，解决了具有非线性效应模型的鲁棒估计量的调整问题。对于广义可加模型的特殊情况，这使我们能够与现有的稳健估计量进行公平的比较，在这种情况下，我们的估计量具有良好的竞争力。通过在GAMLSS环境中的进一步模拟以及使用双变量平滑样条函数在功能性磁共振脑成像中的应用，我们的建议的整体良好性能得到了证明。

引用于4文件

MSC公司：

62-08 统计学相关问题的计算方法
62G08号 非参数回归和分位数回归

关键词：

有界影响函数；非参数回归；惩罚平滑样条线；稳健平滑参数选择；稳健信息准则

软件：

R（右）；加迈尔；GAMLSS公司；多用途飞机；GJRM公司；信任
PDF格式BibTeX公司 XML格式引用
\textit{W.H.Aeberhard}等人，《统计计算》。31，第1号，第11号文件，第16页（2021；兹bl 1461.62008）
全文： 内政部 arXiv公司

参考文献：

[1] Alimadad，A。；Salibian-Barrera，M.，《应用于疾病暴发检测的广义加性模型的异常ro-bast拟合》，美国统计协会，106，494，719-731（2011）·Zbl 1232.62142号 ·doi:10.1198/jasa.2011.tm09654
[2] Beyerlein，A。；Fahrmeir，L。；曼斯曼，美国。；Toschke，AM，评估儿童BMI增加的替代回归模型，BMC Med.Res.Methodol。，8, 1, 59 (2008) ·doi:10.1186/1471-2288-8-59
[3] 伯克，K。；MacKenzie，G.，《多参数回归生存模型：比例风险的替代方法》，《生物计量学》，第73、2、678-686页（2017年）·Zbl 1372.62056号 ·doi:10.1111/biom.12625
[4] 坎通尼，E。；Ronchetti，EM，平滑样条曲线平滑参数的阻力选择，统计计算。，11, 2, 141-146 (2001) ·doi:10.1023/A:1008975231866
[5] 坎通尼，E。；Ronchetti，EM，广义线性模型的稳健推断，美国统计协会，96，455，1022-1030（2001）·Zbl 1072.62610号 ·doi:10.1198/016214501753209004
[6] 科尔，TJ；斯坦诺耶维奇，S。；股票，J。；科茨，美国铝业公司；汉金森，JL；Wade，AM，《年龄和体型相关参考范围：儿童和成人肺活量测定的案例研究》，《统计医学》，28，5，880-898（2009）·数字对象标识代码：10.1002/sim.3504
[7] 连接器，AR；古尔德，NIM；Toint，PL，Trust Region Methods（2000），费城：工业和应用数学学会，费城·Zbl 0958.65071号 ·数字对象标识代码：10.1137/1.9780898719857
[8] 克雷文，P。；Wahba，G.，用样条函数平滑噪声数据，数值。数学。，31, 4, 377-403 (1979) ·Zbl 0377.65007号 ·doi:10.1007/BF01404567
[9] 克罗克斯，C。；Gijbels，I。；Prosdocimi，I.，扩展广义加性模型中平均值和离散函数的稳健估计，生物统计学，68，1，31-44（2012）·Zbl 1241.62108号 ·doi:10.1111/j.1541-0420.2011.01630.x
[10] 德卡斯特罗，M。；坎乔，VG；Rodrigues，J.，在GAMLSS框架下拟合长期生存模型的实践方法，计算。生物识别方法程序。，97, 2, 168-177 (2010) ·doi:10.1016/j.cmpb.2009.08.002
[11] Eguchi，S.，Kano，Y.：通过Psi-发散稳健最大似然估计。附：802号研究备忘录。东京统计数学研究所（ISM）（2001年）
[12] 菲尔德，C。；Smith，B.，《稳健估计：加权最大似然法》，《国际统计评论》，第62、3、405-424页（1994年）·Zbl 0825.62428号 ·doi:10.2307/1403770
[13] Geyer，C.J.：信任：信任区域优化。R包版本0.1-6。http://CRAN.R-project.org/package=trust (2015)
[14] 加利福尼亚州格拉斯比；Khondoker，MR，结合cDNA微阵列多个激光扫描的功能回归估计器的效率，生物统计学。J.，51，1，45-55（2009）·Zbl 1442.62379号 ·doi:10.1002/bimj.200710444
[15] Groll，A.、Hambuckers，J.、Kneib，T.、Umlauf，N.：位置、规模和形状广义加性模型框架中的LASSO型惩罚。收录于：经济与统计学院2018-2016年工作论文。因斯布鲁克大学（2018）·兹比尔1496.62119
[16] 汉堡，J。；格罗尔，A。；Kneib，T.，《理解经营损失严重性的经济决定因素：正规化广义帕累托回归方法》，J.Appl。经济。，33, 898-935 (2018) ·doi:10.1002/jae.2638
[17] 《影响曲线及其在稳健估计中的作用》，《美国统计协会期刊》，第69、346、383-393页（1974年）·Zbl 0305.62031号 ·doi:10.1080/01621459.1974.10482962
[18] 法国汉佩尔；EM Ronchetti；罗素，PJ；华盛顿州斯塔尔，《稳健统计：基于影响函数的方法》（1986），纽约：威利出版社·Zbl 0593.62027号
[19] 哈斯蒂，TJ；Tibshirani，RJ，广义加性模型（1990），纽约：Chapman&Hall/CRC，纽约·Zbl 0747.62061号
[20] PJ Huber；Ronchetti，EM，稳健统计（2009），纽约：威利，纽约·Zbl 1276.62022号 ·doi:10.1002/9780470434697
[21] Konishi，S。；Kitagawa，G.，模型选择中的通用信息标准，Biometrika，83，4，875-890（1996）·Zbl 0883.62004号 ·doi:10.1093/生物技术/83.4875
[22] 兰道，S。；埃里森·怀特，IC；Bullmore，ET，《使用功能磁共振成像测量两个大脑区域之间生理反应时间差异的测试》，J.R.Stat.Soc.Ser。C、 53、1、63-82（2003）·Zbl 1111.62352号 ·doi:10.1111/j.0035-9254.2003.04844.x
[23] 朗·S。；Umlauf，N。；Wechselberger，P。；Harttgen，K。；Kneib，T.，多层结构加性回归，统计计算。，24, 2, 223-238 (2014) ·Zbl 1325.62179号 ·doi:10.1007/s11222-012-9366-0
[24] Marra，G.，Radie，R.：GJRM：广义联合回归建模。R包版本0.2-3。http://CRAN.R-project.org/package=GJRM（2020年）
[25] 马拉，G。；根号R。；巴尼豪森，T。；木材，SN；McGovern，ME，《利用不可忽视的缺失反应评估艾滋病毒流行率的联立方程法》，《美国统计协会期刊》，第112、518、484-496页（2017年）·doi:10.1080/01621459.2016.1224713
[26] 马拉，G。；Wood，SN，广义加性模型分量置信区间的覆盖特性，Scand。J.Stat.，39，53-74（2012）·Zbl 1246.62058号 ·网址：10.1111/j.1467-9469.2011.0760.x
[27] Mayr，A。；北芬斯克。；霍夫纳，B。；Kneib，T。；Schmid，M.，《高维数据位置、规模和形状的广义加性模型：基于boosting的灵活方法》，J.R.Stat.Soc.Ser。C、 61、3、403-427（2012）·文件编号：10.1111/j.1467-9876.2011.01033.x
[28] Nocedal，J。；Wright，SJ，《数值优化》（2006），纽约：Springer，纽约·Zbl 1104.65059号
[29] 潘，J。；Mackenzie，G.，《关于纵向研究中均值-方差结构的建模》，《生物统计学》，90，1，239-244（2003）·Zbl 1039.62068号 ·doi:10.1093/biomet/90/1.239
[30] R核心团队：R：统计计算的语言和环境。单位：奥地利维也纳R统计计算基金会。网址：http://www.R-project.org/ (2020)
[31] 里格比，RA；Stasinopoulos，DM，位置、规模和形状的广义加性模型，J.R.Stat.Soc.Ser。C、 54507-554（2005）·Zbl 1490.62201号 ·doi:10.1111/j.1467-9876.2005.00510.x
[32] 里格比，RA；Stasinopoulos，医学博士；GZ海勒；De Bastiani，F.，《建模位置、规模和形状的分布：在R中使用GAMLSS》（2019年），博卡拉顿：查普曼和霍尔/CRC，博卡拉顿·doi:10.1201/9780429298547
[33] Rudge，J。；Gilchrist，R.，《居家寒冷的老年人冬季过度发病率：一项基于人群的研究》，J.Publ。《健康》，27，4，353-358（2005）·doi:10.1093/pubmed/fdi051
[34] Stasinopoulos，医学博士；里格比，RA；De Bastiani，F.，GAMLSS：分布回归方法，统计模型。，18, 3-4, 248-273 (2018) ·Zbl 07289508号 ·doi:10.1177/1471082X18759144
[35] Stasinopoulos，医学博士；里格比，RA；GZ海勒；Voudouris，V。；De Bastiani，F.，《灵活回归与平滑：在R中使用GAMLSS》（2017），博卡拉顿：查普曼和霍尔/CRC，博卡拉顿·doi:10.1201/b21973
[36] Stasinopoulos，M.，Rigby，B.：GAMLSS：位置尺度和形状的广义加性模型。R软件包版本5.1-7。http://CRAN.R-project.org/package=gamlss (2020)
[37] Vatter，T。；Chavez-Demoulin，V.，条件依赖结构的广义加性模型，J.Multivar。分析。，141, 147-167 (2015) ·Zbl 1328.62390号 ·doi:10.1016/j.jmva.2015.07.003
[38] Wong，RKW；姚，F。；Lee，TCM，广义可加模型的稳健估计，J.Compute。图表。《法律总汇》，23，1270-289（2014）·doi:10.1080/10618600.2012.756816
[39] Wood，SN，广义加性模型：R简介（2017），博卡拉顿：查普曼和霍尔/CRC，博卡拉顿·Zbl 1368.62004号 ·doi:10.1201/9781315370279
[40] 木材，SN；Fasiolo，M.，用于平滑参数优化的广义Fellner-Schall方法及其在Tweedie位置、规模和形状模型中的应用，生物统计学，73，4，1071-1081（2017）·Zbl 1405.62216号 ·doi:10.1111/biom.12666
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。